Les modèles linéaires mixtes généralisés ont été introduits dans JMP Pro 17, où vous spécifiez deux distributions : binomiale et de Poisson.
Le GLMM combine deux approches : le modèle linéaire mixte et le modèle linéaire généralisé. Le GLMM est utile pour trois types de structures de modèles :
- Plans de blocs complets et incomplets randomisés
- Expériences en parcelles divisées
- Modèles à coefficients aléatoires
Découvrez comment :
- Modéliser les effets mixtes pour les données de comptage à l'aide d'une régression de Poisson et interpréter les résultats
- Modéliser les effets mixtes pour des données groupées à l'aide d'une régression logistique binaire et interpréter les résultats
- Modéliser les effets mixtes pour les données individuelles à l'aide d'une régression logistique binaire et interpréter les résultats
Questions auxquelles Jian Cao (@jiancao ) et Byron Wingerd (@Byron_JMP) ont répondu lors de la démonstration en direct par webinaire :
Q : Comment évalue-t-on les performances d'un GLMM ?
A : Voici tous les détails .
Q : Le fait de ne pas inclure les effets aléatoires entraîne-t-il nécessairement et systématiquement une augmentation du risque de surdispersion ?
A : Les effets aléatoires, lorsqu'ils sont inclus, réduisent la probabilité de surestimation ou de sous-estimation.
Q : Puisque nous avons des effets aléatoires, pourquoi n'utiliserions-nous pas toujours la prédiction conditionnelle ?
A : En général, nous utilisons le profileur de modèle marginal. Le profileur de modèle conditionnel fournit des informations plus détaillées sur les facteurs sans effectuer d'analyse séparée.
Q : La plateforme MSA prend-elle en charge GLMM ?
A : Les données générées par le générateur MSA peuvent être analysées avec GLMM, mais elles ne sont pas automatiquement intégrées à la plateforme de variabilité ou à MSA.
Q : L'ordre des Y a-t-il une importance ? Je suppose que le numérateur est le chiffre du haut.
A : Oui.
Q : Les plans à mesures répétées sont-ils spécifiés de la même manière que dans la plateforme de modèles mixtes ?
A : Si vous parlez de plateforme de modèles mixtes et non de GLMM, consultez https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/statistical-details-for-repeated-measures.shtml .
Ressources
